作者 | Jelly 
整理 | NewBeeNLP
进NLP群—>加入NLP交流群

写在前面

先说一下背景:本科双非,硕士211,没论文,一段半年的大厂NLP实习,3个TOP5 NLP比赛,1个两位数的数据挖掘比赛。

字节跳动

1面: 60分钟

  • 实习,难点,收获,怎么解决
  • XGBOOST ,LGB,GBDT 的区别
  • 一阶优化器,二阶优化器
  • Attention怎么做,self-attention怎么做
  • Transformer细节,Bert细节(多头和缩放)
  • 过拟合怎么解决
  • 标签平滑怎么做的
  • 交叉熵,相对熵
  • Bagging, boosting , 偏差,方差关系
  • CRF理论与代码实现细节
  • CRF与HMM关系,区别
  • 维特比,beam-search 时间复杂度,区别
「编程题」:编辑距离,完全二叉树的节点个数 (都是很经典的leetcode原题)

2面: 60分钟

  • 实习,竞赛,问了30分钟
  • 开源代码阅读情况
  • XGBOOST ,LGB 生长策略,分类策略
  • BERT细节
  • 少样本情况怎么缓解
「编程题」:15分钟 写一个k-means,没写完时间不够

3面:20分钟

  • 聊人生,说前两面反馈给的好,就不问问题了。

HR面: 20分钟

  • 讲一件你觉得很有难度的事,怎么解决的。
  • 来段英语口语。
剩下时间就是问问题时间了。
从开始面试到拿到offer花了3天,字节效率极高。其中1,2面试连续面的,然后太晚了,不然估计3面也会连续面。

腾讯:校招日常实习

1面: 25分钟

  • 实习,竞赛
  • 优化器,系统的讲一下
  • 实际场景下做softmax容易出现一些问题,怎么解决(面试的时候没明白什么意思,面试结束后询问,他是说实际场景做softmax很容易出现下溢问题,这个可以用每个维度减去一个固定值就可以了)
  • 过拟合解决方法,正则项为什么能减缓过拟合
  • 权重衰减等价于哪个正则项
  • 传统机器学习方法了解哪些
「编程题」:打家劫舍II

2面:60分钟+8小时下来做题。。。

  • 实习,问得巨细,怎么和测试沟通,怎么和需求沟通,团队有几人,负责啥,难点是啥,你做了啥
「编程题」:leetcode-887,super egg drop,提前不知道这题是leetcode题,自己一直在硬做,后来给实习同事分享,同事告诉我是leetcode题很难得一道题。这题难的一*,面试里面剩余30分钟没做出来(基本属于刚理解题意),下来之后做了2个小时想出一个暴力解,被打回,第二天,想了3个小时,想到二分解法,被打回,又想了3个小时,想到数学解法。。。过了。(三种解法都对的, 不过面试官要求给出具体的策略和步骤,数学法比较直接可以直接给出,其他两种需要输出最优路径)。太菜了。。。。

3面,GM面:30分钟

比较水,没问技术问题,全程实习竞赛。

HR面

就问了啥时候能去,能去多久这种问题
腾讯流程很长,从官网投递简历,到拿到offer,全程花了20多天。导师和HR很热情,面试完了就在交流了。

随便唠唠

难度上,总体感觉面的两个岗位,除了腾讯二面的编程题,其他都不是很难(可能是只是实习面试的原因),两家没有奇奇怪怪的问题,面试体验都很好,知识点范围基本都在面经百度第一页能找到。不过感觉自己比较幸运,遇到的字节面试官出的题都很常规,我同学面头条出的题,遇到了取数对弈,螺丝螺母匹配等烧脑问题。

求职/进NLP群—>加入NLP交流群(备注:求职)
知识星球:NLP学术交流与求职群
持续发布自然语言处理NLP每日优质论文解读、相关一手资料、AI算法岗位等最新信息。
加入星球,你将获得:
1. 最新最优质的的论文速读。用几秒钟就可掌握论文大致内容,包含论文一句话总结、大致内容、研究方向以及pdf下载等。
2. 最新入门和进阶学习资料。包含机器学习、深度学习、NLP等领域。
3. 具体细分NLP方向包括不限于:情感分析、关系抽取、知识图谱、句法分析、语义分析、机器翻译、人机对话、文本生成、命名实体识别、指代消解、大语言模型、零样本学习、小样本学习、代码生成、多模态、知识蒸馏、模型压缩、AIGC、PyTorch、TensorFlow等细方向。
4. NLP、搜广推、CV等AI岗位招聘信息。可安排模拟面试。
继续阅读
阅读原文